tensorflow as tf
tf.gather(A,B): A 和B 按照索引合并
tf.concat(A,B，axis =?)：A和B按照行、列合并
tf.sequence_mask(lengths, max(lengths)): 矩阵转换成True，False，lengths是true，max（lengths)是维度最大并且用False填满
tf.expand_dims:插入向量，插入的位置由axis的值决定，如果axis为-1， 是倒数第一列。
tf.keras.layers.Embedding:(item_count,item_dim)
注意力：
DIEN中注意力使用就是要帮助GRU得出最后需要的隐状态。在GRU中使用。
在DIE中，注意力的使用是在item和hist embedding通过DNN表述的过程中使用的。
model的评价：
P-R AUC用的是models之间的对比，越接近1model要比其他model好。 但在需要0.5以上的model才有可比性，不然models都不咋地。
ROC-AUC，GAUC用的是评价model表现如何，越接近1越好。
F1,precision,recall这些就是必备的参数。
tf.gather(A,B): A 和B 按照索引合并
tf.concat(A,B，axis =?)：A和B按照行、列合并
tf.sequence_mask(lengths, max(lengths)): 矩阵转换成True，False，lengths是true，max（lengths)是维度最大并且用False填满
tf.expand_dims:插入向量，插入的位置由axis的值决定，如果axis为-1， 是倒数第一列。
tf.keras.layers.Embedding:(item_count,item_dim)
注意力：
DIEN中注意力使用就是要帮助GRU得出最后需要的隐状态。在GRU中使用。
在DIE中，注意力的使用是在item和hist embedding通过DNN表述的过程中使用的。
model的评价：
P-R AUC用的是models之间的对比，越接近1model要比其他model好。 但在需要0.5以上的model才有可比性，不然models都不咋地。
ROC-AUC，GAUC用的是评价model表现如何，越接近1越好。
F1,precision,recall这些就是必备的参数。